EventPast event
Alice Labs发布Cyber RL Benchmark v1.0
Start here
AI overview
Alice Labs 发布 Cyber RL Benchmark v1.0，在 12 项真实软件漏洞任务上评测 10 款前沿模型，覆盖恶意软件分析、漏洞检测、漏洞修补与黑盒渗透测试四类。每任务每模型跑 3 次，按 0-1 分部分给分，被护栏拦截计 0 分。Qwen 3.8 Max 以 0.72 均分、解出 7 项任务居首，Mistral Medium 3.5 以 0.36 垫底。漏洞修补类最高有 6 款模型并列 100%。
Generated by AI from reports · Updated 3 days ago
Latest update
Cyber RL Benchmark v1.0 发布：评测 10 款前沿模型的网络安全能力Progress timeline
Oct 7
- Alice LabsCyber RL Benchmark v1.0 发布：评测 10 款前沿模型的网络安全能力
Alice Labs 发布 Cyber RL Benchmark v1.0，在 12 项真实软件漏洞任务上评测 10 款前沿模型，Qwen 3.8 Max 以 0.72 均分、解出 7 项任务居首，Mistral Medium 3.5 以 0.36 垫底。基准覆盖恶意软件分析、漏洞检测、漏洞修补与黑盒渗透测试四类，每任务每模型跑 3 次并按 0-1 分部分给分，被护栏拦截计 0 分。漏洞修补类最高有 6 款模型并列 100%，黑盒渗透测试最难，最高仅 42%；Opus 5.5 的护栏在 API 层拒绝了全部渗透测试任务。
Related discussion
Attention trend
New sources per day
- Oct 7New1 sources (1 outlets,0 accounts)
- Oct 8New0 sources (0 outlets,0 accounts)
- Oct 9New0 sources (0 outlets,0 accounts)
- Oct 10New0 sources (0 outlets,0 accounts)
- Oct 11New0 sources (0 outlets,0 accounts)
- Oct 12New0 sources (0 outlets,0 accounts)